Ridge Regression
A Ridge Regression egy L2-regularizált lineáris regressziós módszer, amelyet Arthur Hoerl és Robert Kennard vezetett be 1970-ben, és amely a multikollinearitást csökkenti a koefficiensméretekre vonatkozó büntetés hozzáadásával. A koefficiensket nulla felé zsugorítja anélkül, hogy bármelyiket is pontosan nullára állítaná, stabilabb becsléseket eredményezve, ha az előrejelzők erősen korreláltak.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
Források
- Hoerl, A.E. & Kennard, R.W. (1970). Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, 12(1), 55–67. DOI: 10.1080/00401706.1970.10488634 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/hu/machine-learning/ridge-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Elastic NetGépi tanulás↔ compare
- Lasso-regresszióGépi tanulás↔ compare
- Logistic RegressionKutatási statisztika↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →